211service.com
Mūšis dėl lustų tiekimo AI bumui įkaista
Jensenas Huangas, „Nvidia“ generalinis direktorius, bendrovės konferencijoje San Chosė, Kalifornijoje.
Jensenas Huangas trečiadienį nušvito per sausakimšą konferencijų salę San Chosė mieste, Kalifornijoje, ir paskelbė apie naują savo įmonės lustą, skirtą dirbtinio intelekto algoritmams paspartinti. Tačiau metaforiškai kalbant, lustų gamintojos „Nvidia“ generalinis direktorius žiūrėjo per petį.
„Nvidia“ pelnas ir atsargos per pastaruosius kelerius metus išaugo, nes jos sukurti grafikos procesoriai, skirti žaidimams ir grafikos gamybai, leido pasiekti daug naujausių mašininio mokymosi proveržių (žr. 10 Breakthrough Technologies 2013: Deep Learning). Tačiau didėjant investicijoms į dirbtinį intelektą, Huango įmonė dabar susiduria su „Intel“, „Google“ ir kitų, dirbančių su savo dirbtinio intelekto lustais, konkurencija.
Trečiadienį vykusioje kasmetinėje „Nvidia“ kūrėjų konferencijoje Huangas atsargiai vengė minėti konkurentų vardus, nes pristatė naujausią „Nvidia“ lustą, pavadintą „Tesla V100“. Pavyzdžiui, „Google“ jis vadino tik kai kuriuos žmones. Tačiau jis aiškiai peržvelgė „Nvidia“ varžovų technologijas, ypač kalbėdamas apie didelę galimybę tiekti dirbtinio intelekto lustus, skirtus naudoti debesų kompiuterijoje.
Daugelio pramonės šakų, pavyzdžiui, sveikatos priežiūros ir finansų, įmonės investuoja į mašininio mokymosi infrastruktūrą. Pirmaujantys debesų kompiuterijos paslaugų teikėjai „Google“, „Amazon“ ir „Microsoft“ lažinasi, kad daugelis kompanijų norės joms mokėti už dirbtinio intelekto programinės įrangos valdymą, ir ketina daug išleisti naujai aparatūrai, kad tai palaikytų.
„Nvidia“ pradėjo dominuoti klestinčioje AI lustų rinkoje, sumaniai pasinaudojusi laimingu atsitiktinumu. Pagrindinės matematinės operacijos, reikalingos kompiuterinei grafikai, yra tokios pačios kaip ir tos, kurios grindžiamos mašininio mokymosi metodu, žinomu kaip dirbtiniai neuroniniai tinklai. Pradedant 2012 m., mokslininkai parodė, kad suteikdami naują galią šiai technologijai, grafikos procesoriai leido programinei įrangai tapti daug, daug išmanesne atliekant tokias užduotis kaip vaizdų ar kalbos interpretavimas.
Augant dirbtinio intelekto rinkai, „Nvidia“ patobulino savo lustų dizainą su funkcijomis, kurios palaiko neuroninius tinklus. Šią savaitę paskelbtas naujasis V100 lustas yra tų pastangų kulminacija ir turi naują branduolį, skirtą paspartinti giluminį matematikos mokymąsi.
Huangas teigė, kad jo galia ir energijos vartojimo efektyvumas padėtų įmonėms ar debesijos paslaugų teikėjams žymiai pagerinti savo galimybes naudoti AI. Jis sakė, kad galite padidinti savo duomenų centro pralaidumą 15 kartų, o ne kurti naujus duomenų centrus.
Naujieji „Nvidia“ konkurentai teigia, kad jie gali greičiau ir efektyviau paleisti aparatinę AI programinę įrangą kurdami tam tikslui pritaikytus lustus nuo nulio, o ne pritaikydami grafikos lustų technologiją.
Pavyzdžiui, „Intel“ žada vėliau šiais metais išleisti giluminiam mokymuisi skirtą lustą, paremtą 2016 m. startuoliu „Nervana“ įsigytomis technologijomis (žr. „Intel Outside“ kaip „Kitos įmonės klesti iš Graphics Chips“).
Bendrovė taip pat ruošiasi išleisti produktą, kad paspartintų gilų mokymąsi, pagrįstą technologijomis, kurias įsigijo 16,7 mlrd. USD vertės „Altera“, kuri pagamino lustus, vadinamus FPGA, kuriuos galima perkonfigūruoti, kad būtų galima valdyti konkrečius algoritmus. „Microsoft“ daug investavo į FPGA naudojimą mašininio mokymosi programinei įrangai ir padarė juos pagrindine debesų platformos „Azure“ dalimi.
Tuo tarpu „Google“ praėjusią vasarą atskleidė, kad jau naudoja AI pritaikytą lustą, sukurtą įmonėje, vadinamą „Tensor Processing Unit“ arba TPU. Lustai padėjo pagrindą programinės įrangos AlphaGo pergalei prieš stalo žaidimo Go čempioną praėjusiais metais. Jie neparduodami, tačiau „Google“ teigia, kad įmonės, kurios naudojasi debesų kompiuterijos paslaugomis, gaus savo galios ir energijos vartojimo efektyvumo pranašumus.
Keletas „Google“ lustą sukūrusių inžinierių nuo to laiko paliko įmonę ir įkūrė 10 mln. USD finansuojamą startuolį „Groq“, kuris kuria specializuotą mašininio mokymosi lustą. Kiti naujokai, dirbantys su panašiais projektais, yra „Wave Computing“, kuri teigia, kad jau leidžia klientams išbandyti savo aparatinę įrangą.
Huangas trečiadienį tvirtino, kad „Nvidia“ technologija pasiekia puikių rezultatų, kurių kitos pastangos nepasiekia. Pasak jo, tinkinti lustai, tokie kaip „Google“ TPU, yra pernelyg nelankstūs, kad vienodai gerai veiktų su daugybe skirtingų neuroninių tinklų, – tai reikšmingas trūkumas, atsižvelgiant į tai, kaip greitai AI išbandomos ir perimamos naujos idėjos. Jis teigė, kad FPGA, kaip ir tie, kuriuos mėgsta „Microsoft“ ir kuriuos „Intel“, sunaudoja per daug energijos.
Mes kuriame produktyviausią gilaus mokymosi platformą, sakė jis. Kadangi Huang konkurentai šiais metais atskleidžia daugiau apie savo gaminius, šis teiginys bus atidžiai išnagrinėtas.